一种竞技马术运动相位分割方法、系统及存储介质技术方案

本发明专利技术公开一种竞技马术运动相位分割方法、系统及存储介质，其中竞技马术运动相位分割方法，包括获取骑手和马匹的运动信号；预处理运动信号，并给预处理后的运动信号打标，利用运动信号及其对应的打标标签构建时间序列，并将时间序列输入相位分割模型，对竞技马术运动过程中的骑手和马匹进行相位分割，获得相位特征。本发明专利技术能够分割竞技马术运动过程中骑手和马匹的相位，获得相位特征。获得相位特征。

【技术实现步骤摘要】
一种竞技马术运动相位分割方法、系统及存储介质


[0001]本专利技术涉及一种竞技马术运动相位分割方法、系统及存储介质，属于竞技体育评定

技术背景
[0002]马术作为一项极具艺术性和观赏性的竞技运动，非常重视骑手与马匹之间的互动。竞技马术主要分为盛装舞步和障碍赛，其中以盛装舞步最具观赏性。根据国际马术联合会发布的盛装舞步规则，在盛装舞步的整个骑乘过程中，人着盛装、马走舞步，骑手与马融为一体，同时展现力与美、张力与韵律、协调与奔放，具有很强的观赏性。
[0003]盛装舞步包含四种基本步态，即慢步、上落快步、坐鞍快步和跑步。这四种基本的步法组成了盛装舞步的精彩表演。此外，这四种基本步态一般为规则的周期性运动，因此，各基本步态包含丰富的相位信息。通过对这四种基本步态运动过程中的相位特性进行研究，在一定程度上，能够揭示骑手的骑术水平，为马术训练提供信息参考。
[0004]由于专业的竞技马术数据很难获取，目前针对竞技马术的相位分割研究很少，且绝大多数研究主要集中在不同基本步态的周期性运动学研究，如肢体关节角度、速度等等。针对马术中不同步态下相位分割的研究，只有在国际马术联合会公布的规则中有针对不同步态下相位划分的简单描述。
[0005]针对竞技马术监测的相关研究中，早期大多采用肉眼观察法来进行分析和评定。随着传感技术，通讯技术，计算能力的发展，相继出现了基于视频图像、光学捕捉追踪以及惯性传感器(Inertial Messurement Unit，IMU)监测等现代化的竞技马术运动监测技术。这些技术各有特色，均可用来进行马术运动的监测和分析，但是检测精度和适应范围各有不同。基于视频图像技术的分析方法，一般适应性较差，需要特定的环境场合；基于光学捕捉追踪的分析系统，其需要事先在测量部位布置光学标记，并采用高速高精的摄像头来捕捉特定光点的位置，其精度较高，但是成本一般比较昂贵，且易受光照，遮挡等环境的影响；随着微电子机械系统(Micro Electro Mechanical Systems,MEMS)技术的不断发展，采用微型惯性传感器(Micro Inertial Messurement Unit，MIMU)的运动监测和分析方法逐步涌现。相比于视频图像，基于惯性传感器IMU的马术运动分析方法的光学捕捉技术具有许多优点，例如不受光照，遮挡等时空因素的干扰，且能够精确反映出三维空间中的整个运动过程，此外，惯性传感器IMU具有价格优惠，穿戴方便，便携性好等特点。
[0006]目前，针对时间序列的相位分割方法主要分为三类，分别为早期基于特征提取的神经网络相位分割方法，近年来新兴的基于深度循环神经网络的方法以及卷积网络方法。其中，基于特征的神经网络相位分割方法主要有K近邻(k
‑
Nearest Neighbors,KNN)、支持向量机(Supp ort Vector Machine，SVM)、决策树C4.5、朴素贝叶斯等，这类方法的准确性比较依赖特征，且前期的特征工程比较耗时；基于深度循环神经网络的方法主要有长短时记忆神经网络(Long Short Term Memory Network,LSTM)、门控循环网络(Gate Recurrent Unit，GRU)，这类方法省去了复杂的特征提取过程，且能够观测序列的前向和后向信息，在
精确度上一般更高；卷积网络方法主要有时序卷积网络(Temporal Convolutional Network，TCN)，TCN是一种专用于处理时序数据的特殊卷积网络，其将卷积神经网络通过膨胀卷积达到抓取长时依赖信息的效果，在许多时序数据处理上具有较高的精度。
[0007]针对竞技马术中慢步、上落快步、坐鞍快步以及跑步过程的标签划分问题，目前大多数采用惯性传感器来进行动作识别相关的研究中，划分数据标签的方法主要有阈值法，对照法等。其中，阈值法主要是针对运动过程中传感器信号表现出的特性，通过设定一定的阈值区间来划分序列的标签。对照法则是在采集数据过程中，同时利用视频等相关技术手段来录制视频图像，通过图像与序列一一对照的方式，来划分标签。这些方法大多存在准确性不高的缺点。
[0008]此外，在对竞技马术进行三维动作重构的过程中，位姿的计算是实现精确动作重构的关键部分，在目前的研究中，常用的惯性传感器姿态估计方法主要有互补滤波，粒子滤波，卡尔曼滤波等，如公开号为201310520233.X的中国专利公开了一种基于双MEMS
‑
IMU的卡尔曼滤波姿态估计算法，来对人体步态过程中足部姿态进行估计；如申请号为201710493018.3的中国专利公开了一种基于粒子滤波的多传感器数据融合方法，采用粒子滤波融合技术来对行人运动过程中方位进行融合计算；如申请号为201410247629.6的中国专利公开了一种基于互补滤波的数据融合方法来对载体的姿态进行计算。虽然目前许多的学者进行了相关的研究，但是大多还处于实验理论阶段，且目前大多算法都存在数据漂移，适应性不强等问题。
[0009]因此，本申请提供一种竞技马术运动相位分割方法、系统及存储介质。

技术实现思路

[0010]本专利技术的目的在于克服现有技术中的不足，提供一种竞技马术运动相位分割方法、系统及存储介质，能够分割竞技马术运动过程中骑手和马匹的相位，获得相位特征。
[0011]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0012]一方面，本专利技术提供一种竞技马术运动相位分割方法，包括以下步骤：
[0013]获取骑手和马匹的运动信号；
[0014]预处理运动信号，并给预处理后的运动信号打标，
[0015]利用运动信号及其对应的打标标签构建时间序列，并将时间序列输入相位分割模型，对竞技马术运动过程中的骑手和马匹进行相位分割，获得相位特征。
[0016]进一步地，所述获取骑手和马匹的运动信号包括：
[0017]利用可穿戴式无线体域网数据采集系统获取骑手和马匹的运动信号；
[0018]所述可穿戴式无线体域网数据采集系统包括多个传感节点；
[0019]各所述传感节点均包括三轴加速度计、三轴陀螺仪以及三轴磁力计。
[0020]进一步地，所述运动信号包括连续m个时刻骑手和马匹的关节点的三轴加速度信号，三轴角速度信号以及三轴地磁场强度信号。
[0021]进一步地，所述预处理运动信号包括：
[0022]对三轴角速度信号进行去除零漂处理，获得校正角速度；
[0023]对三轴加速度信号和三轴地磁场强度信号进行椭球拟合处理，获得校正加速度和校正地磁场强度；
[0024]利用校正角速度、校正加速度和校正地磁场强度，确定传感节点与绑定关节点之间的姿态四元数。
[0025]进一步地，所述打标标签包括慢步、上落快步、坐鞍快步以及跑步4种基础步态的打标标签。
[0026]进一步地，所述慢步的打标标签包括：
[0027]右后蹄离地、
[0028]右前蹄离地，左前蹄和后蹄击地、
...

【技术保护点】

【技术特征摘要】
1.一种竞技马术运动相位分割方法，其特征在于，包括以下步骤：获取骑手和马匹的运动信号；预处理运动信号，并给预处理后的运动信号打标，利用运动信号及其对应的打标标签构建时间序列，并将时间序列输入相位分割模型，对竞技马术运动过程中的骑手和马匹进行相位分割，获得相位特征。2.根据权利要求1所述的竞技马术运动相位分割方法，其特征在于，所述获取骑手和马匹的运动信号包括：利用可穿戴式无线体域网数据采集系统获取骑手和马匹的运动信号；所述可穿戴式无线体域网数据采集系统包括多个传感节点；各所述传感节点均包括三轴加速度计、三轴陀螺仪以及三轴磁力计。3.根据权利要求2所述的竞技马术运动相位分割方法，其特征在于，所述运动信号包括连续m个时刻骑手和马匹的关节点的三轴加速度信号，三轴角速度信号以及三轴地磁场强度信号。4.根据权利要求3所述的竞技马术运动相位分割方法，其特征在于，所述预处理运动信号包括：对三轴角速度信号进行去除零漂处理，获得校正角速度；对三轴加速度信号和三轴地磁场强度信号进行椭球拟合处理，获得校正加速度和校正地磁场强度；利用校正角速度、校正加速度和校正地磁场强度，确定传感节点与绑定关节点之间的姿态四元数。5.根据权利要求1所述的竞技马术运动相位分割方法，其特征在于，所述打标标签包括慢步、、上落快步、坐鞍快步以及跑步4种基础步态的打标标签。6.根据权利要求5所述的竞技马术运动相位分割方法，其特征在于，所述慢步的打标标签包括：右后蹄离地、右前蹄离地，左前蹄和后蹄击地、右后蹄击地，只有右前蹄离地、右前蹄击地，只有左后蹄离地、左前蹄离地，只有右前蹄和后蹄击地、左后蹄离地，其他三只马蹄都击地；所述上落快步的打标标签包括：左前蹄从离地到击地之间的间隔Ⅰ、右后蹄从离地到击地之间的间隔Ⅰ、第一腾空期Ⅰ、右前蹄和左后蹄从离地到击地之间的间隔Ⅰ、第二腾空期Ⅰ；所述坐...

【专利技术属性】
技术研发人员：李杰，刘小峰，张婷婷，毛亿，夏岭，陈一洲，
申请(专利权)人：河海大学，
类型：发明
国别省市：